ic回归用于高维变量选择的模拟评价.PDFVIP

中国卫生统计２０１６年８月第３３卷第４期 ·６０７· 惩罚ｌｏｇｉｓｔｉｃ回归用于高维变量选择的模拟评价 １，２ ２ １ ２ ２ １△ 　孙红卫 　杨文越 　王　慧　罗文海　胡乃宝　王　彤 　　【提　要】　目的　ｌｏｇｉｓｔｉｃ回归是生物医学研究中常用的方法，可以进行影响因素筛选、概率预测、分类等。高通量测 序技术得到的数据给高维变量选择问题带来挑战。惩罚ｌｏｇｉｓｔｉｃ回归可以对高维数据进行变量选择和系数估计，且其有 效的算法保证了计算的可行性。方法　本文介绍了常用的惩罚ｌｏｇｉｓｔｉｃ算法如ＬＡＳＳＯ（ｌｅａｓｔａｂｓｏｌｕｔｅｓｓｈｒｉｎｋａｇｅａｎｄｓｅｌｅｃ ｔｉｏｎｏｐｅｒａｔｏｒ）、ＥＮ（ｅｌａｓｔｉｃｎｅｔ）、ＳＣＡＤ（ｓｍｏｏｔｈｌｙｃｌｉｐｐｅｄａｂｓｏｌｕｔｅｄｅｖｉａｔｉｏｎ）、ＭＣＰ（ｍｉｎｉｍａｘｃｏｎｃａｖｅｐｅｎａｌｔｙ）以及 ＳＩＳ（ｓｕｒｅ ｉｎｄｅｐｅｎｄｅｎｃｅｓｃｒｅｅｎｉｎｇ）等，并用模拟数据对各方法进行评价。结果　（１）各方法的结果与自变量间的相关程度有关，不同 惩罚ｌｏｇｉｓｔｉｃ回归的精确性与自变量间的相关程度有关，如果相关较高，ＬＡＳＳＯ或ＥＮ的结果较好，而在相关较低时，ＭＣＰ 或ＳＣＡＤ结果较好；（２）结合ＳＩＳ的方法倾向于少选变量，误选率低，但敏感度也低，而ＬＡＳＳＯ、ＭＣＰ、ＳＣＡＤ选择变量较 多，误选率高，但敏感度较高；（３）当自变量间低度相关时，ＳＩＳ的三种方法结果非常接近，但相关较高时，ＳＩＳ＋ＬＡＳＳＯ的 结果表现较好。结论　采用非小细胞型肺癌的基因数据集进行实例分析，并表明如何根据模拟实验的结论，在多种方法 的不同结果间进行选择。 【关键词】　高维变量选择　惩罚ｌｏｇｉｓｔｉｃ回归　ＬＡＳＳＯ　ＭＣＰ　ＳＣＡＤ　ＳＩＳ 　　ｌｏｇｉｓｔｉｃ回归模型已经被广泛应用在生物医学领 劣。运用一个非小细胞型肺癌的实际案例，筛选出可 域，它适用于响应变量为分类资料的情况。它通过对 能影响其五年生存率的基因位点，为下一步的研究作 概率进行ｌｏｇｉｔ变换，并对其与协变量的线性组合建立 参考。 模型，用来探索影响因素或者预测疾病的发生概率。 ｌｏｇｉｓｔｉｃ回归模型的介绍 随着高通量技术的快速发展，现在的遗传学研究 已经提供了丰富的数据集，用来识别与疾病（如癌症、 设响应变量Ｙ为二分类资料，ｙ～Ｂ（１， ），ｉ＝１， ｉ πｉ 自身免疫性疾病、心脏病和精神疾病等）有关的遗传 ２，…，ｎ，即共有ｎ个观测，影响 的有ｐ个自变量ｘ， πｉ １ 变异［１－３］。这些数据共同的特点是变量维数远远大于 ｘ，…，ｘ。 ２ Ｐ 样本量，所以传统统计方法难以进行模型选择和参数 πｉ ｌｏｇ ＝ ＋ ｘ ＋…＋ ｘ β β β 估计；同时存在着计算成本大、最优化难以实现等问 １－πｉ ０ １ １ｉ ｐ ｐｉ ［４］ ｎ 题 。 其似然函数：